我正在尝试设计一种巧妙的方法来划分作者字符串,问题是该字符串不仅使用逗号来分隔作者,还使用逗号来分隔他们的名字和姓氏。所以一个例子是:
"LastName1, F.N., LastName2, S.N, Lastname3, T."
我可以使用一些标记化函数将字符串按标记划分,然后再加入它们,但我认为这不是可靠的:
def tokenize(str, token=','):
return [x for x in re.split(r'\s*%s\s*' % token,str) if x]
def grouper(iterable, n, fillvalue=None):
"Collect data into fixed-length chunks or blocks"
# grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
args = [iter(iterable)] * n
return itertools.zip_longest(*args, fillvalue=fillvalue)
auth = "LastName1, F.N., LastName2, S.N, Lastname3, T."
tmp1 = tokenize(auth)
tmp2 = grouper(tmp1, 2)
print(["{} {}".format(*i) for i in tmp2])
运行这段代码返回:
['LastName1 F.N.', 'LastName2 S.N', 'Lastname3 T.']
是否有更好(更强大)的方法来做到这一点?
最佳答案
这是一个真正简单的分词器,专门为逗号编写的,(所以很清楚它在做什么):
def tokenize(str):
return re.findall(r'([^,]*,[^,]*),?', str)
它查找字符串、逗号、字符串,带有可选的尾部逗号,返回所有匹配项。
关于python - 将作者字符串划分为作者,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32143863/